Académique Documents
Professionnel Documents
Culture Documents
Travaux dirigés
Exercice 1 :
Soit x(t) un processus stochastique continu donné par sa moyenne mx (t) et sa matrice de corrélation
Rx (t, τ ). Calculer la moyenne et la variance des v.a. z = x(5) et w = x(8) ainsi que la covariance.
Exercice 2 :
Soit le processus stochastique x(t) = r cos(ωt + φ) où ω est une v.a. de densité de probabilité pω (α)
et φ est une v.a. uniformément distribuée sur [−π , π], ω et φ sont indépendantes. r est une variable
réelle. Calculer la moyenne et la corrélation de x(t).
Exercice 3 :
Soit le processus stochastique x(t) = r cos(ωt + φ) où r est une v.a. . φ et ω sont des variables réelles.
x(t) est-il stationnaire au sens large ?
Exercice 4 :
Soit le processus stochastique x(t) = r cos(ωt + φ) où φ est une v.a. uniformément distribuée sur
[−π , π]. r et ω des variables réelles.
1- Montrer que x(t) est stationnaire au sens large.
Exercice 5 :
On définit une certaine classe de signaux y(t) par :
où x(t) est un signal aléatoire stationnaire modulant une porteuse sinusoidale r cos(ωp t + φ). La
moyenne de x(t) est nulle, sa corrélation est Rx (τ ) et sa densité spectrale de puissance est Sx (ω). r
et ω sont des constantes alors que φ est uniformément répartie sur [0 , 2π]. En supposant que φ et
x(t) sont indépendants, calculer la valeur moyenne, la corrélation et le spectre de puissance de y(t).
1
Signaux aléatoires
Travaux dirigés 2 : correction
Exercice 1 :
Soit x(t) un processus stochastique continu donné par sa moyenne mx (t) et sa matrice de corrélation
Rx (t, τ ).
De même,
Finalement,
Exercice 2 :
Soit le processus stochastique x(t) = r cos(ωt + φ) où ω est une v.a. de densité de probabilité pω (α)
et φ est une v.a. uniformément distribuée sur [−π , π], ω et φ sont indépendantes. r est une variable
réelle.
La moyenne est donnée par :
mx (t) = E[x(t)] = E[r cos(ωt + φ)] = rE[cos(ωt + φ)] = rE[cos ωt cos φ] − rE[sin ωt sin φ]
Comme,
π
1
E[cos φ] = cos βdβ = 0
2π −π
π
1
E[sin φ] = sin βdβ = 0
2π −π
on obtient finalement :
mx (t) = 0
3
La corrélation de x(t) est définie par :
r2 r2 r2
Rx (t, t + τ ) = E[cos ωτ ] + E[cos(2ωt + ωτ + 2φ)] = E[cos ωτ ]
2 2 2
Finalement, on obtient,
∞
r2
Rx (t, t + τ ) = cos(ατ )pω (α)dα
2 −∞
Exercice 3 :
Soit le processus stochastique x(t) = r cos(ωt + φ) où r est une v.a. . φ et ω sont des variables réelles.
Sa moyenne est donnée par :
On obtient finalement,
E[r2 ]
Rx (t, t + τ ) = [cos ωτ + cos(2ωt + 2φ + ωτ )]
2
Cette dernière expression dépend explicitement de t et de τ . Le processus stochastique n’est donc pas
SSL.
Exercice 4 :
Soit le processus stochastique x(t) = r cos(ωt + φ) où φ est une v.a. uniformément distribuée sur
[−π , π]. r et ω des variables réelles.
On obtient donc,
∞ π
r
mx (t) = r cos(ωt + α)pφ (α)dα = cos(ωt + α)dα = 0
−∞ 2π −π
La corrélation s’écrit :
Rx (t, t + τ ) = E[x(t)x(t + τ )]
4
On obtient donc :
π
r2
Rx (t, t + τ ) = cos(ωt + α) cos(ω(t + τ ) + α)dα
2π −π
π
r2 1
= [cos ωτ + cos(2ωt + 2α + ωτ )]dα
2π −π 2
r2
= cos ωτ
2
La moyenne de x(t) est constante et sa corrélation ne dépend que de τ , l’écart entre les deux
instants de calcul, Rx (t, t + τ ) = Rx (τ ) donc le processus stochastique x(t) est SSL. De plus, la
fonction Rx (τ ) est périodique de période 2π/ω.
T0
rω
= cos(ωt + φ)dt = 0
4π −T0
T0
r2 1
= [cos ωτ + cos(2ωt + 2φ + ωτ )]dt
2T0 −T0 2
r2
= cos ωτ
2
On a donc Rx (τ ) = Rx (τ ). Le processus est donc également à corrélation ergodique.
Exercice 5 :
On définit une certaine classe de signaux y(t) par :
où x(t) est un signal aléatoire stationnaire modulant une porteuse sinusoidale r cos(ωp t + φ). La
moyenne de x(t) est nulle, sa corrélation est Rx (τ ) et sa densité spectrale de puissance est Sx (ω). r
et ω sont des constantes alors que φ est uniformément répartie sur [0 , 2π].
On calcule la moyenne my (t) du processus y(t).
= rE[x(t)]E[cos(ωp t + φ)] = 0
5
La corrélation
Ry (t, t + τ ) = E[y(t)y(t + τ )]
r2
= E[x(t)x(t + τ )]E[cos ωp τ + cos(2ωp t + ωp τ + 2φ)]
2
r2
= Rx (τ ) cos ωp τ = Ry (τ )
2
La moyenne du processus stochastique y(t) est constante et sa corrélation ne dépend que de l’écart τ
entre les instants où elle est calculée, le processus stochastique y(t) est SSL.
Il est donc possible de calculer la densité spectrale de puissance.
r2
Ψy (ω) = T F (Ry (τ )) = T F (Rx (τ ) cos ωp τ )
2
Les transformées de Fourier sont données par :
T F (Rx (τ )) = Sx (ω)
r2
= [Sx (ω − ωp ) + Sx (ω + ωp )]
4
7